高校专区
首个 token 是线索：从 J-lens 表述多 token 概念
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 本文针对 J-lens 无法表示多 token 概念的局限，提出利用 J-lens 的首个 token 线索结合冻结模型恢复多 token 概念及其向量的方法，在多个模型的多跳完形和因果概念交换任务上均优于 Template Lens。
CogEvol：面向高效且可靠的学习环境生成
机构 * CogEvol Inc.（CogEvol公司） ； Tsinghua University（清华大学）
AI总结 本研究提出专门用于学习环境生成的CogEvol模型，可将课程简介一次性转化为学习产物，在22万条生产请求中表现高效可靠，参数规模远小于旗舰编码模型，还可在国产昇腾加速器运行，降低AI原生教育单位成本。
Comments 29 pages, 8 figures
在量化代码空间中利用梯度微调低比特模型
机构 * Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 该研究针对低比特模型微调的效率与部署适配问题，提出GradCodes方法，通过代码代理梯度加速优化并以引导搜索保证部署适配，在多任务上实现低比特模型微调性能提升。
Zeva：用于泛化具身操作的上下文因果学习
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Z-Trans AI
AI总结 提出Zeva框架，通过上下文因果学习让机器人从自身物理交互经验中学习，无需更新策略模型，在模拟与真实操作中性能优于前沿模型，还能自进化并跨任务泛化。
基于3D建模的热图像行人检测器的物理对抗样本
机构 * Tsinghua University（清华大学） ； Chinese Institute for Brain Research (CIBR)（中国脑科学研究院）
AI总结 该研究基于3D建模制作红外对抗服装，针对YOLOv9等热图像行人检测器实现高攻击成功率，且具有良好的可迁移性。
Comments Accepted by TPAMI 2025
CORAL：光显微图像中结构感知与全脑神经元重建的基准
机构 * Tsinghua University（清华大学） ； Tsinghua Laboratory of Brain and Intelligence（清华大学生物医学工程系脑与智能实验室） ； IDG/McGovern Institute for Brain Research（IDG/麦戈文脑科学研究所） ； School of Basic Medical Sciences（医学科学系） ； Tsinghua-Peking Center for Life Sciences（清华-北京大学生命科学联合中心）
AI总结 该研究提出首个结构感知的神经元重建基准CORAL，构建相关任务与指标，开发全脑追踪框架，对比主流方法并凸显结构感知评估的必要性。
从稀缺标签和未标记晶体中学习材料属性
机构 * Tsinghua University（清华大学） ； State Key Laboratory of Chemical Engineering and Low-Carbon Technology（化学工程与低碳技术国家重点实验室） ； Beijing Key Laboratory of Artificial Intelligence for Advanced Chemical Engineering Materials（先进化工材料人工智能北京市重点实验室）
AI总结 该研究针对稀缺标签和未标记晶体的材料属性学习挑战，提出半监督材料属性回归基准SemiMat与可靠性加权目标MatRank，经实验验证MatRank可降低测试误差并提升方法排名。
MedAgent-R1：面向证据 grounded 医疗推理的忠实性感知强化学习
机构 * Tsinghua University（清华大学） ； DP Technology（第四范式）
AI总结 MedAgent-R1 针对医疗推理智能体的自信幻觉问题，采用忠实性门控奖励设计，大幅降低引用编造率、提升证据完整性，在 HealthBench Safety 上表现优于 GPT-4o，实现了证据 grounded 的医疗推理优化。
CoMPASS：通过自适应大小模型协同实现协同分子性质预测
机构 * Tsinghua University（清华大学）
AI总结 CoMPASS是一种用于大小模型协同的检索校准框架，通过结合GAT与LLM的优势，在分子性质预测任务中提升了可修正不确定性区域的性能并限制了LLM的不当干预。
Comments 9 pages
面向南极海冰密集度预测的季节感知混合卷积-Transformer模型
机构 * School of Computer Science, Australian National University（澳大利亚国立大学计算机科学学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心）
AI总结 针对南极海冰密集度预测的挑战，提出结合卷积、因子化自注意力及两种季节先验机制的混合卷积-Transformer框架，性能优于基线模型，季节先验可提升长短周期预测效果。
面向不完整多模态情感识别的模态解耦学习：一种原语记忆蒸馏视角
机构 * Jiangsu University（江苏大学） ； Griffith University（格里菲斯大学） ； National University of Singapore（新加坡国立大学） ； University of New South Wales（新南威尔士大学） ； Fujian University of Technology（福建理工大学） ； Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑工业大学） ； Imperial College London（伦敦帝国学院） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本文针对不完整多模态情感识别中现有方法忽略模态异质性的问题，提出PriMD框架，通过解耦语义与原语构建记忆库，在多数据集上实现SOTA性能与更强鲁棒性。
Comments 19 Pages, 8 Figures, 13 Tables. Accepted to EMNLP 2026 Findings
ScienceArena：在最新科学奥林匹克竞赛上对大语言模型（LLM）进行基准测试
机构 * Qiyuan Tech（奇安信科技） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 本研究推出ScienceArena基准，涵盖多类科学竞赛，经专家审核构建并校准LLM评判者，评估14个LLM发现顶尖模型获奖牌级分数，化学与长程一致性仍为瓶颈。
Comments 18 pages, EMNLP 2026 (Main)
学习结果变化的位置：面向多模态几何的信用可寻址推理
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 该研究针对多模态几何推理中现有方法的缺陷，提出信用可寻址推理，通过Code-CoT和CE-GRPO实现，在9个几何基准上平均准确率达76.04，优于对比模型，凸显协同设计的价值。
面向高动态范围目标检测的实时场景自适应色调映射
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Tianmushan Laboratory, Beihang University（北京航空航天大学天目山实验室） ； School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Point Spread Technology（点扩散科技）
AI总结 本文提出一种场景自适应实时色调映射方法，通过神经光度校准等技术解决HDR图像适配检测网络的问题，性能优于传统算法，可在NVIDIA Jetson平台实现4K HDR图像实时处理。
Comments Accepted by NeurIPS 2025
将基础模型搭建为物理世界智能体以推动长时程导航前沿
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Inc（阿里巴巴集团） ； Zhongguancun Academy（中关村学院） ； Adelaide University（阿德莱德大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出NavMCP框架，结合VLM推理智能体与NFM执行器实现长时程导航，在多个具身问答基准及Unitree Go2机器人上取得优于基线的性能，验证了该方法的有效性。
Comments 22 pages, 6 figures
基于答案探测引导的大语言模型多样化解决方案探索搜索
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 该研究针对LLMs推理易收敛于单一解的问题，提出Answer Probing引导的树搜索APTS，经实验证实可提升多推理任务的解决方案多样性，具备有效性与鲁棒性。
Comments Accepted to the EMNLP 2026 Main
超越已知的认知：面向多标签类增量学习的强化知识规范
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Nankai University（南开大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对多标签类增量学习中已知与未知知识边界模糊的问题，提出KBK框架，通过分层特征纯化等模块缓解遗忘，在MS-COCO基准上超越最优方法2.7%。
Motus2：一种用于灵巧操作的自进化通用世界模型
机构 * GensPI ； Tsinghua University（清华大学） ； BUAA（北京航空航天大学） ； BIT（北京理工大学）
AI总结 本文提出Motus2，一种用于灵巧操作的自进化通用世界模型，通过模型缩放与数据缩放构建闭环决策学习循环，结合多模态数据与仿生平台实现通用具身智能体的灵巧操作。
EMERGE-Policy：超越单一策略的机器人心智涌现
机构 * Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 EMERGE-Policy是一种图结构智能体框架，通过多角色子智能体协作划分功能子任务，无需额外微调即可在公开基准和真实机器人实验中实现出色性能，扩展了机器人策略的应用范围。
GenRubric：用于可扩展大语言模型评估的自进化评分规则生成
机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 GenRubric是一种自进化框架，通过强化学习结合多维度奖励优化评分规则生成，其在人工基准实验中提升了与专家评分的一致性，可泛化到新领域，助力可扩展的特定查询LLM评估。
R²A：通过角色表征学习与运行时对齐学习角色策略
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Independent Researcher（独立研究者）
AI总结 针对静态角色触发表现不一致的问题，提出R²A方法，通过角色表征学习与运行时对齐学习角色策略，在12种评估设置中优于基础模型与静态角色触发。
Comments 17 pages, 6 figures
高维旋转位置嵌入
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； University of Macau（澳门大学）
AI总结 针对RoPE跨通道混合与鲁棒性不足的问题，提出HD-RoPE，通过扩展至高维旋转并引入Paley-I正交基，在无额外参数的情况下提升性能，获基准测试显著改善。
Comments Accepted to EMNLP 2026
Ideation Arena：采用对战式人类专家评估的大语言模型生成研究创意评估平台
机构 * Fudan University（复旦大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
AI总结 本研究提出Ideation Arena平台，通过105名计算机科学研究者的双盲成对比较构建LLM生成研究创意的Elo评级排行榜，发现部分智能体框架可提升创意质量，而现有LLM评判者难以复现专家偏好。
JPO：用于刑事判决预测中结构化法律推理的司法策略优化
机构 * Tencent（腾讯） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学） ； University of California（加利福尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Zhejiang University（浙江大学） ； University of Hong Kong（香港大学）
AI总结 JPO是用于中国刑事判决预测的后训练框架，通过监督四步推理过程与带复合奖励的强化学习，提升判决预测及推理质量。
Comments EMNLP 2026 Main
SnapBench：面向移动交互的抓拍提问多模态检索基准测试
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent Yuanbao（腾讯元宝） ； Tsinghua University（清华大学） ； ARC Lab, Tencent（腾讯ARC实验室） ； The University of Hong Kong（香港大学）
AI总结 本研究推出首个鲁棒抓拍提问多模态检索配对基准SnapBench，评估16种多模态检索器，发现图像损坏严重影响检索，还提出自适应融合方法MOOR，凸显模态校准的必要性。
Comments 37 pages. Yuanbao Technical Report. Accepted to Findings of EMNLP 2026
为大型语言模型网页智能体学习简单的测试时环境
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Dept. of Comp. Sci. & Tech., Tsinghua University（清华大学计算机科学与技术系） ； School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子信息工程学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
AI总结 本研究针对LLM网页智能体在复杂真实环境中性能下降问题，提出测试时环境分解（TTED）方法，通过将复杂环境分解为子模块并利用子环境经验提升组合泛化能力，验证了其在合成与真实基准上的有效性。
Comments Code and data are released at https://github.com/THUNLP-MT/TTED
Hyper-Fold：通过超图建模探索蛋白质序列-几何学习的表达极限
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Shanghai University（上海大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 Hyper-Fold通过超图建模探索蛋白质序列-几何学习的表达极限，其相关变体在多项蛋白质结构相关任务中取得最优结果，且Hyper-Fold-Pocket性能优于对比模型，参数与延迟更优。
Di$^2$CycleSB：基于薛定谔桥Transformer的高质量无监督夜间能见度增强方法
机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院）
AI总结 本研究提出Di$^2$CycleSB框架，将光效抑制建模为薛定谔桥问题，结合Transformer与动态积分图像先验，在无监督场景下实现高质量夜间能见度增强，实验验证其有效性。
Comments 12 pages, 8 figures, 5 tables
RoboGesture：面向人形机器人交互的实时语义对齐式伴随语音手势生成
机构 * Tsinghua University（清华大学） ； Galbot Inc.（Galbot公司） ； Beijing Institute of Technology（北京理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海智知研究院）
AI总结 本研究提出 RoboGesture 框架，构建专属数据集并设计相关算法，使人形机器人可实时生成语义对齐的伴随语音手势，在 Unitree G1 机器人上的实验表明其性能优于现有最优方法。
Comments Accepted at ECCV 2026. Project page: https://RoboGesture.github.io
基于代理引导的求解与复现的自进化技能
机构 * Cleer Science（克利尔科学公司） ； The University of Edinburgh（爱丁堡大学） ； Tsinghua University（清华大学）
AI总结 该研究针对智能体自进化技能的缺陷，提出reSolve框架，通过求解与复现协议、代理验证器增强奖励及束搜索，使廉价模型技能性能超人工策划基线，且在自然科学任务上表现突出。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈